基于HMM的嵌入式人臉識(shí)別系統(tǒng)研究

4 圖像預(yù)處理與人臉識(shí)別算法及實(shí)現(xiàn)
人臉識(shí)別過程首先判斷輸入的人臉圖像或者視頻中是否存在人臉，如果存在，則進(jìn)一步給出每個(gè)人臉的位置、大小和各個(gè)主要面部器官的位置信息，并依據(jù)這些信息，進(jìn)一步提取每個(gè)人臉中所蘊(yùn)含的身份特征，將其與已有人臉庫中的人臉進(jìn)行對(duì)比，從而識(shí)別人的身份。
人臉識(shí)別的過程可以分為圖像預(yù)處理、人臉檢測(cè)和人臉識(shí)別三部分。
人臉檢測(cè)是指從待識(shí)別矩陣中定位人臉區(qū)域中各特征區(qū)域，并將各個(gè)區(qū)域分割開。人臉識(shí)別是根據(jù)已有的人臉數(shù)據(jù)庫，輸出待測(cè)人臉對(duì)應(yīng)在人臉庫中的對(duì)象標(biāo)號(hào)。二者互為前提和目的。由于HMM既可完成人臉檢測(cè)，又可完成人臉識(shí)別，因此我們將人臉檢測(cè)與識(shí)別同時(shí)處理。
4．1 隱馬爾可夫模型(HMM)基本概念
HMM是一組用于特征化信號(hào)的統(tǒng)計(jì)特性的模型，它包含兩個(gè)相關(guān)的過程：一個(gè)是隱含的、不可見的有限狀態(tài)馬爾可夫鏈，它具有初始狀態(tài)概率分布函數(shù)和狀態(tài)轉(zhuǎn)移概率矩陣，另外是一組與狀態(tài)有關(guān)的概率密度函數(shù)。
一個(gè)HMM的構(gòu)成元素如下：

一個(gè)HMM可以簡記為λ={A，B，∏}，由于其輸入為有限字符集V={v1，v2，… vm}，因此稱其為離散隱馬爾可夫模型。